2025技能考试人工智能训练师三级题库练习试卷附答案

2025技能考试人工智能训练师三级题库练习试卷附答案第一部分单项选择题（共20题，每题1分，共20分。每题只有1个正确答案，多选、错选、不选均不得分）1.多模态大模型训练数据标注环节中，文本与对应图像的语义对齐标注所属的标注类型是（）A.分类标注B.匹配标注C.序列标注D.属性标注2.按照人工智能训练师国家职业技能标准（三级）要求，标注项目批量交付前，标注结果的人员一致性Kappa系数至少需达到（）方可判定为合格批次。A.0.5B.0.6C.0.7D.0.93.根据《生成式人工智能服务管理暂行办法》，人工智能训练师在筹备训练数据时应首要遵循的核心原则是（）A.数据量最大化B.数据来源合规C.数据类型丰富D.标注成本最低4.大模型微调过程中出现过拟合问题时，以下哪种处理方式无法缓解过拟合（）A.加入L2正则化B.启用早停策略C.增加训练轮次D.扩充训练数据集5.大模型Prompt工程中，少样本学习（Few-shotLearning）通常需要为模型提供（）个标注示例，即可完成特定任务的推理。A.1-10个B.50-100个C.1000个以上D.不需要示例6.文本类训练数据清洗环节中，用于快速识别、删除重复/高相似文本的常用算法是（）A.CNNB.SimHashC.RNND.TF-IDF7.大模型微调过程中常用的Adam优化器的核心优势是（）A.无需设置学习率B.自适应调整各参数的学习率C.显存占用远低于SGDD.不会出现梯度消失问题8.以下开源标注工具中，支持文本、图像、音频、视频多模态数据统一标注的是（）A.LabelMeB.CVATC.LabelStudioD.Prodigy9.分类类模型效果评估指标中，F1值是精确率和召回率的（），能够综合反映模型的分类性能。A.算术平均B.几何平均C.调和平均D.加权平均10.训练数据包含公民个人信息时，数据处理全流程需符合（）的相关要求，不得非法收集、使用个人敏感信息。A.《网络安全法》B.《个人信息保护法》C.《数据安全法》D.以上都对11.语音类训练数据标注中，逐帧标注语音对应的音素、声调的标注类型属于（）A.分类标注B.序列标注C.匹配标注D.属性标注12.监督学习场景下，训练数据集、验证数据集、测试数据集的常规划分比例是（）A.5:3:2B.7:2:1C.6:2:2D.8:1:113.大模型微调时出现欠拟合问题，以下哪项是最可能的诱因（）A.训练数据量过大B.模型复杂度过低C.训练轮次过多D.正则化权重过高14.NLP领域训练数据增强方法中，“回译”的操作流程是（）A.将文本转换为向量再还原为文本B.将文本从中文翻译为拼音再还原为中文C.将文本翻译为第三方语言再翻译回原语言D.将文本中的词汇替换为同义词15.参数高效微调（PEFT）技术相比全参数微调的核心优势是（）A.模型效果显著提升B.大幅降低算力和存储需求C.无需标注数据即可完成微调D.适配所有模型架构16.标注过程中遇到标注规则未覆盖的歧义样本时，三级人工智能训练师应采取的正确操作是（）A.按照个人经验标注B.直接跳过该样本C.上报标注项目管理员，更新规则后再标注D.随机选择一个标签17.面向线下门店智能客服场景的大模型优先选择边缘部署方式的核心原因是（）A.部署成本更低B.推理延迟更低、数据安全性更高C.模型效果更好D.升级维护更便捷18.生成式人工智能服务的内容审核工作应贯穿于以下哪个环节（）A.仅训练数据环节B.仅模型输出环节C.仅用户使用环节D.训练数据、模型迭代、服务输出全流程19.大模型检索增强生成（RAG）架构中，向量数据库的核心作用是（）A.存储结构化业务数据B.存储文本/图像的嵌入向量，实现快速语义检索C.存储模型参数D.存储用户对话日志20.以下职责中，不属于三级人工智能训练师核心工作范畴的是（）A.独立完成特定场景的标注项目执行与质量管控B.配合开展细分场景大模型的微调、测试工作C.自主设计通用大模型的底层架构D.协助完成训练数据的合规审核工作第二部分多项选择题（共10题，每题2分，共20分。每题有2个及以上正确答案，多选、少选、错选、不选均不得分）1.人工智能训练数据的常见标注类型包括（）A.分类标注B.序列标注C.目标检测标注D.语义匹配标注2.大模型微调过程中缓解过拟合的常用方法有（）A.数据增强B.加入Dropout层C.早停策略D.L1/L2正则化3.根据《生成式人工智能服务管理暂行办法》，训练数据应满足的合规要求包括（）A.来源合法，不得非法爬取受著作权保护的内容B.不得含有危害国家安全、淫秽色情、歧视性等违法违规内容C.处理个人信息需依法取得个人同意，落实匿名化、去标识化要求D.建立训练数据台账，留存数据来源、处理流程等可追溯信息不少于3年4.以下属于参数高效微调（PEFT）常用技术的有（）A.LoRAB.PrefixTuningC.全参数微调D.AdapterTuning5.标注项目的质量控制措施包括（）A.标注前开展规则培训与上岗考核B.标注过程中执行双人交叉标注C.标注完成后开展抽样复检与全量规则校验D.定期同步更新标注规则，明确歧义样本处理标准6.面向toC场景的生成式AI大模型的评估维度通常包括（）A.效果维度：准确率、困惑度、有害内容生成率B.效率维度：推理速度、单请求显存占用C.合规维度：符合监管要求，不存在违法违规内容输出D.易用维度：指令遵循率、响应内容相关性7.训练数据清洗的常见操作包括（）A.缺失值、异常值处理B.重复数据删除C.数据格式标准化D.敏感信息匿名化8.计算机视觉类训练数据的常见标注任务包括（）A.目标检测框标注B.语义分割标注C.关键点标注D.3D点云标注9.大模型Prompt设计的核心原则包括（）A.明确任务目标与输出要求B.针对复杂任务提供适量参考示例C.避免歧义性表述D.控制Prompt长度，减少无效信息10.人工智能训练师需遵守的职业伦理要求包括（）A.保护用户隐私，不得泄露训练数据中的敏感信息B.杜绝数据造假、标注造假等违规行为C.避免训练数据、模型规则中存在性别、地域、职业等歧视性内容D.严格遵守行业监管要求，拒绝为违法违规AI项目提供服务第三部分判断题（共15题，每题1分，共15分。正确打“√”，错误打“×”）1.标注一致性Kappa系数越高，说明参与标注的人员对标注规则的理解一致性越高，标注结果的可信度越高。（）2.为了提升大模型的训练效果，可随意爬取互联网上的文字、图像、视频内容作为训练数据。（）3.过拟合的核心表现是模型在训练集上准确率很低，但在测试集上准确率很高，泛化能力极强。（）4.LoRA微调技术仅需要调整大模型的少量低秩矩阵参数，无需更新全量模型参数，可大幅降低微调的算力成本。（）5.标注规则一经确定，在项目执行全过程中不得进行任何修改。（）6.测试集的作用是在模型训练过程中调整超参数，选择最优模型版本。（）7.生成式人工智能服务提供者需要对模型输出的内容进行审核，不得向用户提供违法违规内容。（）8.SimHash算法可将高维文本特征转换为固定长度的哈希值，通过计算哈希值的汉明距离即可快速判断两篇文本的相似度。（）9.零样本学习（Zero-shotLearning）不需要为模型提供任何标注示例，仅通过指令描述即可让模型完成特定任务。（）10.数据增强操作只会增加训练数据的多样性，不会引入任何噪声数据，因此不需要对增强后的数据做质量校验。（）11.三级人工智能训练师可独立承接垂直场景的标注项目，完成标注人员培训、过程管控、质量验收等全流程工作。（）12.分类模型的F1值取值范围为0-1，F1值越高说明模型的综合分类性能越好。（）13.训练数据中的标注错误对最终模型的效果没有影响，无需投入过多资源做标注质量管控。（）14.向量数据库主要用于存储结构化的业务表格数据，支持SQL查询操作。（）15.标注包含个人敏感信息的训练数据时，需先对数据做匿名化、去标识化处理，确保标注人员无法识别到特定自然人。（）第四部分简答题（共3题，每题10分，共30分）1.请简述三级人工智能训练师开展标注项目时，全流程质量控制的核心要求。2.请分别简述过拟合、欠拟合的核心概念、表现特征以及对应的解决方法。3.根据《生成式人工智能服务管理暂行办法》，人工智能训练师在筹备大模型训练数据时需要满足哪些合规要求？第五部分实操题（共2题，第1题7分，第2题8分，共15分）1.某短视频平台计划构建短视频内容合规审核大模型的训练数据集，现有12万条未标注的短视频片段（包含画面、音频、字幕三类数据），请你作为三级人工智能训练师，设计该数据集的标注方案，需覆盖规则制定、流程设计、质量要求三个维度。2.某教育企业基于开源通用大模型微调中小学学科答疑模型，训练过程中出现训练集准确率97%，验证集准确率仅为71%的问题，请分析问题成因并给出可落地的解决方案。参考答案一、单项选择题1.B2.C3.B4.C5.A6.B7.B8.C9.C10.D11.B12.B13.B14.C15.B16.C17.B18.D19.B20.C二、多项选择题1.ABCD2.ABCD3.ABCD4.ABD5.ABCD6.ABCD7.ABCD8.ABCD9.ABCD10.ABCD三、判断题1.√2.×3.×4.√5.×6.×7.√8.√9.√10.×11.√12.√13.×14.×15.√四、简答题1.标注项目全流程质量控制核心要求如下：（1）标注前阶段（3分）：①结合业务场景制定颗粒度明确的标注规则，覆盖所有常见样本类型，提供正、负、歧义三类参考示例；②对标注人员开展规则培训，培训后完成上岗考核，考核准确率≥95%方可参与项目标注；③提前对原始数据做预处理，删除无效数据、敏感数据，降低标注工作量。（2）标注中阶段（4分）：①执行双人交叉标注机制，同一样本分配给2名标注人员独立标注，标注结果一致则直接入库，不一致则标记为待审核样本；②标注管理员实时响应标注人员的规则疑问，对未覆盖的歧义场景及时更新标注规则并同步给所有标注人员；③每日抽取当日标注数据的10%做复检，复检合格率低于95%的批次全部返回返工；④定期计算标注人员的Kappa系数，Kappa<0.7的人员暂停标注，重新参加规则培训。（3）标注后阶段（3分）：①对标注完成的数据做全量规则校验，过滤标注结果不符合规则的样本；②批量交付前计算全量数据的整体Kappa系数，Kappa≥0.7方可交付；③留存标注全流程日志，包含标注人员、标注时间、审核记录等信息，实现标注结果可追溯。2.过拟合与欠拟合的相关内容如下：（1）过拟合（5分）：①概念：模型学习到了训练集中的噪声、独有特征，而非通用的规律，导致泛化能力下降；②表现：模型在训练集上的准确率、损失值表现极佳，但在验证集、测试集上的表现大幅下降；③解决方法：扩充训练数据集，提升数据多样性；开展数据增强，增加样本的丰富度；降低模型复杂度，减少模型参数规模；加入L1/L2正则化、Dropout层，限制模型的学习能力；启用早停策略，当验证集损失连续上升时停止训练；采用参数高效微调技术，减少更新的参数规模。（2）欠拟合（5分）：①概念：模型复杂度过低，无法学习到训练数据中的有效规律，导致拟合能力不足；②表现：模型在训练集、验证集、测试集上的准确率都偏低，损失值都偏高；③解决方法：提升模型复杂度，增加模型层数或参数规模；调整训练超参数，适当提高学习率、增加训练轮次；增加输入特征的维度，补充更多有效特征；优化训练数据质量，删除无效数据、错误标注数据。3.训练数据合规要求如下：（1）来源合规（3分）：不得非法爬取互联网上受著作权保护的文字、图像、音视频内容，如需使用需取得权利人授权；收集个人信息需符合《个人信息保护法》要求，取得个人单独同意，不得强制收集与训练无关的个人敏感信息；不得使用未经授权的涉密数据、商业秘密数据作为训练数据。（2）内容合规（3分）：训练数据不得含有危害国家安全、煽动民族仇恨、淫秽色情、虚假信息、歧视性内容等法律法规禁止的内容；对含有违法违规内容的样本需提前过滤，不得纳入训练数据集；训练数据需避免出现性别、地域、职业、残障等歧视性内容，防止模型输出歧视性结果。（3）质量合规（2分）：训练数据的标注质量符合业务要求，不得出现大量错误标注、虚假标注的样本，避免模型学习到错误规律；训练数据需覆盖场景内的所有常见情况，避免出现数据盲区导致模型效果缺陷。（4）可追溯要求（2分）：建立训练数据台账，记录数据来源、处理流程、标注人员、审核人员等全流程信息，留存期限不少于3年；配合监管部门的检查工作，如实提供训练数据的相关材料。五、实操题1.短视频内容合规审核数据集标注方案如下：（1）规则制定（2分）：将短视频内容分为合规、违规两类，其中违规场景细化为涉政、涉黄、涉暴、涉赌、涉诈、低俗、广告营销7个子类，明确每个子类的判定标准，提供画面、音频、字幕三个维度的参考示例，比如字幕出现涉诈关键词、音频出现涉黄表述、画面出现涉暴内容均判定为违规；跨维度存在冲突的样本，按最严格维度判定，存在歧义的样本标记为待审核。（2）流程